Вы находитесь на странице: 1из 12

APLIKASI RAY-TRACING TO MOBILE

LOKALISASI MENGGUNAKAN ARAH KEDATANGAN


DAN DITERIMA SIGNAL STRENGTH DI MULTIPATH
LINGKUNGAN INDOOR

Abstrak - Karya ini menyajikan metode lokalisasi indoor baru


berdasarkan teknik sidik jari. Metode yang diusulkan menggunakan a
ray-tracing model yang memberikan informasi tentang efek multipath.
Informasi ini disimpan dalam dataset selama tahap pertama
metode sidik jari Arah kedatangan (DOA) dan diterima
Kekuatan sinyal (RSS) digunakan dalam teknik fingerprinting sebagai a
sistem hibrida. Estimasi lokalisasi dihitung saat mengambil
memperhitungkan jarak Euclidian antara DOA dan RSS
dari setiap posisi yang tidak diketahui dan informasi sidik jari.
Perhitungan numerik dilakukan untuk menunjukkan mean dan
standar deviasi dari estimasi error.

1. PERKENALAN
Baru-baru ini, ada ketertarikan pada posisi wireless
terminal. Banyak orang di dunia akademis dan industri saat ini
terlibat dalam meneliti dan mengembangkan metode 3D-radiolocalization
untuk lingkungan indoor dengan garis pandang (LoS) dan non-line of sight
(NLoS) kondisi [1, 2]. Aplikasi untuk jenis sistem ini adalah
komersial, karena metode radiolokalisasi dapat digunakan di bandar udara,
rumah sakit, hotel, keamanan militer, medis, industri dan publik
pengaturan. Padahal, posisi ponsel sudah menjadi salah satu yang paling
fitur penting dari sistem komunikasi karena kelipatannya
aplikasi. Oleh karena itu, permintaan akan sistem lokalisasi indoor
meningkat dalam beberapa tahun terakhir.

Lokalisasi dalam ruangan bukanlah masalah mudah untuk dipecahkan karena


efek multipath [3, 4], kondisi NLoS dan pertimbangan lainnya seperti memantulkan benda,
adanya pergerakan orang dan furnitur.
Apalagi karena perkembangan standar akses radio baru, begitulah
Sebagai Wi-Max, perlu untuk mengeksplorasi teknik baru untuk memperbaiki
ketepatan lokalisasi menggunakan metode deteksi alternatif.

Banyak metode lokalisasi yang diusulkan dan algoritma berbasis


pada perhitungan waktu kedatangan (TOA) [5-7], waktu
perbedaan kedatangan (TDOA) [8], arah kedatangan (DOA) [9-11]
dan kekuatan sinyal yang diterima (RSS) [12, 13]. Metode konvensional
Berdasarkan keempat pengukuran ini terjadi kesalahan error dengan multipath
propagasi karena membutuhkan kondisi LoS antara akses
titik dan stasiun bergerak. Misalnya, [3] mencoba untuk meminimalkan
gangguan multipath terhadap keakuratan sistem dan [2]
Studi teknik mitigasi kesalahan NLoS untuk lokasi berbasis waktu
sistem. Faktor penting lainnya yang perlu dipertimbangkan adalah implementasinya
biaya dan kebutuhan akan perangkat keras tambahan yang mahal. Biasanya,
proses pengukuran membutuhkan transmisi dan penerimaan
sinyal antara komponen perangkat keras sistem. Juga, sebagian besar
pendekatan tradisional memerlukan kampanye pengukuran yang mahal
dapatkan informasi mengenai RSS, TOA dan DOA.

Banyak metode hibrida juga telah dikembangkan dalam penelitian ini


daerah. Misalnya, [14] mengusulkan lokasi TDOA / DOA hibrida
skema untuk sistem komunikasi nirkabel CDMA wideband dan [1]
memberikan pendekatan holistik dengan memanfaatkan pengukuran dua arah dari
data TOA dan DOA di referensi dan perangkat seluler. SEBUAH
survei metode penentuan posisi dalam ruangan nirkabel disediakan di [16].

Analisis Ray-Tracing digunakan untuk beberapa metode lokalisasi


untuk mendapatkan informasi tentang propagasi di dalam ruangan
lingkungan [17]. Ada banyak karya dalam literatur yang dipusatkan
ray-tracing [18-24]. Sebagai contoh, [18] mengusulkan teknik lokalisasi
yang membuat pengukuran DOA, TOA dan Doppler yang akurat
Pergeseran dengan menggunakan ray-tracing. Dalam [19], prosedur pelacakan sinar 2-D
untuk
lokalisasi sumber lapangan EM di lingkungan perkotaan dijelaskan.
Metode yang diusulkan di [20] menggabungkan karakteristik spasial
Diperkirakan dari pengukuran data dan analisis ray-tracing. Menggunakan
Analisis ray-tracing yang disajikan di sini memungkinkan lokasi spesifik lokasi
hanya menggunakan satu base station tunggal. Sebagian besar sistem di atas mengandalkan
instalasi perangkat keras sensorik tambahan dan karenanya tidak memerlukan biaya dan
waktu efisien

Di sini, metode lokalisasi hibrida diterapkan. Lokasinya


Perkiraan dihitung dengan mempertimbangkan jarak Euclidian antara
DOA dan RSS dari masing-masing posisi dan informasi yang tidak diketahui
dari sidik jari Kontribusi utama dari makalah ini
adalah untuk menyajikan metode baru yang menggunakan efek multipath untuk mendapatkan
kinerja yang lebih baik untuk metode radiolokalisasi dan meminimalkannya
kesalahan dalam proses lokalisasi Informasi tentang multipath
propagasi dapat diperoleh dengan teknik ray-tracing [25, 26].
Teknik deterministik ini mampu memprediksi kanal propagasi
parameter dalam lingkungan indoor. Sebagian besar pendekatan membutuhkan biaya mahal
kampanye pengukuran, namun sistem kami dapat memperoleh semua
informasi yang dibutuhkan dengan teknik ray-tracing; biaya ini
Langkahnya sangat rendah. Karakteristik model ray-tracing kita akan
dijelaskan pada bagian berikutnya. Keuntungan lain dari yang diusulkan
Pendekatannya adalah bahwa sementara sebagian besar pendekatan yang dikembangkan
sebelumnya
cari stasiun bergerak di ruang 2D [4, 19], metode kami mampu
cari posisi stasiun bergerak di ruang 3D. Apalagi yang kami usulkan
Metode tidak memerlukan pemasangan jaringan sensor ekstra.

Teknik sidik jari juga termasuk dalam usulan


metode lokalisasi Informasi yang diperoleh dengan ray-tracing disimpan
dalam dataset selama tahap pertama teknik fingerprinting.
Selama tahap kedua, posisi mobile station bisa jadi
dihitung dengan membandingkan parameter yang diukur (DOA dan RSS)
dengan nilai yang tersimpan dalam dataset. Sinyal yang diproses adalah
tersedia dari perangkat nirkabel yang terdiri dari Wi-Fi (IEEE
802.11) dan Wi-Max (IEEE 802.16). Dalam tulisan ini, WLAN
Teknologi yang digunakan karena teknik ini bisa mendapatkan radio yang dibutuhkan
jarak grid peta untuk mengurangi kesalahan lokasi. Apalagi yang diterima
Kekuatan sinyal (frekuensi radio) tersedia di semua antarmuka WLAN
peralatan.
Untuk memvalidasi metode 3D-radiolokalisasi yang diusulkan,
beberapa skenario indoor yang realistis telah dianalisis. Hasil numerik
menunjukkan akurasi posisi yang lebih tinggi sehubungan dengan tradisional
pendekatan.
Makalah ini disusun sebagai berikut. Di Bagian 2, ray-tracing
Teknik ini dijelaskan. Konsep dasar dari penentuan posisi yang diusulkan
Metode ini dijelaskan pada Bagian 3. Pada Bagian 4, hasil estimasi
diperoleh dari hasil analisis data eksperimen. Akhirnya,
Bagian 5 berisi kesimpulan dan arahan untuk pekerjaan masa depan.

2. MODEL RAY-TRACING
Analisis ray-tracing yang sangat akurat menggunakan medan tiga dimensi
data telah dilakukan Dalam studi ini, terminal
diposisikan secara akurat menggunakan informasi spesifik lokasi untuk
area pengukuran Model ray-tracing dapat diperoleh dengan menggunakan
Alat simulasi FASPRI, alat yang dikembangkan oleh kelompok penelitian kami itu
menganalisis lingkungan dalam ruangan 3D melalui metode deterministik [25, 26].

FASPRI adalah kode yang didasarkan pada optik geometris dan seragam
teori difraksi (UTD). Tingkat medan listrik bisa didapat
menggunakan bidang langsung, tercermin, ditransmisikan dan difraksi. Demikian,
Dengan mempertimbangkan berbagai efek ini, kodenya bagus
prediksi [26]. Hasil ini dapat digunakan untuk menguji pengaruh
memvariasikan parameter penginderaan tertentu pada ketepatan sistem. Itu
Parameter yang diperiksa meliputi jumlah antena, posisi
antena dan jumlah track.
Gambar 1 menunjukkan hasil simulasi FASPRI. Seperti yang ditunjukkan
Pada gambar tersebut, FASPRI menggunakan model faset pesawat untuk menggambarkan
lingkungan; sinar yang ditampilkan bergerak dari pemancar
Antena ke titik observasi dilukiskan. Semua elemen
lingkungan dalam ruangan dimodelkan oleh segi dan pengaruhnya
Sifat elektromagnetik material dari masing-masing segi adalah
juga disertakan Namun, masalah utama terkait ray-tracing
Pendekatannya adalah mereka membutuhkan banyak waktu untuk memperolehnya
multipath propagasi Untuk menghindari ketidaknyamanan ini, FASPRI menggunakan
Algoritma Z-Buffer sudut untuk mempercepat proses komputasi [26].
Sebenarnya, FASPRI dapat mensimulasikan sejumlah besar studi kasus di a
jumlah waktu yang wajar, seperti yang ditunjukkan pada [26].

Gambar 1. Hasil simulasi FASPRI.

Keuntungan menggunakan teknik ray-tracing adalah, selain itu


Mendapatkan tingkat kekuatan dari serangkaian poin, informasi juga bisa
diperoleh tentang efek multipath. Informasi ini bisa digunakan dalam a
metode sidik jari untuk meningkatkan efisiensi lokasi
sistem. Untuk mendapatkan database sidik jari, FASPRI menggunakan 3D
Analisis propagasi UTD dan memberikan lokasi sidik jari
dalam grid referensi

3. TEKNIK SIDIK
Metode sidik jari [3] digunakan untuk mengatasi kesalahan yang terjadi
dengan tidak adanya LoS. Kinerja posisi indoor adalah
sering terdegradasi karena jalur propagasi multipath. Untuk alasan ini,
Pemodelan sidik jari sudah ada dalam pendekatan kami karena itu
memiliki posisi tinggi dalam lingkungan indoor.
Seperti dahulu, teknik sidik jari dilakukan
dalam dua tahap Pada tahap pertama, peta radio atau sidik jari RF
database untuk lingkungan target perolehan. Lokasinya
sidik jari dengan penundaan delay ray-tracing relatif
dan kekuatan sinyal dari beberapa jalur akses di atas grid yang ditentukan.
Pada tahapan kedua, yang sedang dalam proses lokalisasi adalah
dianalisis Untuk tujuan ini, teknik yang dikembangkan menggunakan angka
stasiun bergerak di daerah yang dicakup oleh peta radio dan hasilnya
vektor daya yang diterima dan arah perjalanan sinar dari
jalur akses yang berbeda Dalam penelitian kami, banyak stasiun bergerak secara acak
transit di atas ruang dalam ruangan ruangan. Posisinya
Perhitungan dengan algoritma yang menghitung Euclidean
jarak antara vektor yang diperoleh dan masing-masing sidik jari di radio
peta. Koordinat X, Y dan Z berhubungan dengan sidik jari itu
Hasil pada jarak Euclidean sifatnya terpilih sebagai posisi
penempatan stasiun bergerak menggunakan algoritma sederhana.

Informasi yang diberikan oleh alat ray-tracing FASPRI disimpan


dalam enam vektor. Dua di antaranya, h dan h, sesuai dengan informasi
sudut kedatangan di setiap sidik jari. Vektor pertama berisi
komponen theta dari arah kedatangan dari jalur akses M
pada sidik jari h, dan vektor kedua mengandung komponen phi
dari arah kedatangan pada titik yang sama. Dua vektor lainnya
m dan m, berisi informasi yang sama dengan stasiun bergerak m.
Akhirnya, dua vektor terakhir (RSSh dan RSSm) berisi informasi
tentang RSS di setiap sidik jari, serta informasi tentang RSS
dari setiap stasiun bergerak. Vektor ini dihitung sejak awal
dari proses dan disimpan dalam database sidik jari. Di kedua
Tahap proses pelokalan, jarak Euclidian antara setiap stasiun bergerak dan setiap sidik jari
dihitung dengan mempertimbangkan
dua parameter: DOA dan RSS.
Lokasi stasiun bergerak dievaluasi menggunakan yang berikut
fungsi biaya, yang menggunakan kekuatan sinyal yang diterima dan perkiraan
arah kedatangan dari sinyal yang diterima:
M adalah jumlah titik akses, E adalah nilai medan listrik yang diterima,
N adalah jumlah sinar, dan adalah faktor pembobotan yang menunjukkan
rasio antara korelasi DOA dan RSSs dan

Pada bagian pertama ekspresi (1), DOA setiap sinar yang diterima
di sidik jari dan setiap sinar yang diterima di stasiun bergerak dibandingkan.
Perbandingan ini dibuat sesuai dengan jumlah titik akses; bahwa
Jika sidik jari hanya menerima satu sinyal dari nomor jalur akses 1
dan stasiun bergerak hanya menerima satu sinyal dari nomor jalur akses
3, informasi ini tidak diperhitungkan. Pembatasan ini diterapkan
untuk semua kasus dalam penelitian ini. Perhatikan bahwa arah kedatangan antara
sidik jari dan stasiun bergerak dibandingkan selama mereka menerima
jumlah sinar yang sama dari titik akses yang sama. Dengan demikian, biaya
Fungsi hanya diaplikasikan jika kondisi ini terpenuhi. Prosesnya adalah
sama untuk semua stasiun bergerak; Oleh karena itu, perkiraan posisi PT
setiap stasiun bergerak dapat dihitung.

Pada bagian kedua ekspresi (1) metode membandingkan


Nilai medan listrik diterima dari sinyal dari semua access point.
Tingkat ini dibandingkan dengan nilai medan listrik yang sebelumnya tersimpan dalam
database sidik jari. Dalam hal ini, perbandingannya adalah
hanya dibuat jika jumlah sinar yang diterima di sidik jari sama saja
seperti jumlah sinar yang diterima di stasiun bergerak. Dengan kata lain,
Algoritma lokasi menghitung jarak Euclidean antara
Sampel DOA dan RSS diterima dalam posisi yang tidak diketahui dan masing-masing
sidik jari di database atau peta radio yang didapat dengan menggunakan FASPRI.
Mengubah (X, Y, Z) di dalam area pengujian, itulah intinya
yang meminimalkan fungsi biaya, digunakan untuk memperkirakan posisi
stasiun bergerak Oleh karena itu, perkiraan posisi (X, Y, Z) adalah
diperoleh sebagai berikut:

Menurut ungkapan ini (4), posisi mobile


Stasiun sesuai dengan sidik jari yang jaraknya Euclidian adalah
terkecil. Untuk mengukur efisiensi metode ini, secara fisik
jarak antara perkiraan posisi (X, Y, Z) setiap mobile
stasiun dan posisinya yang sebenarnya (X, Y, Z) di atas grid dihitung.

4. HASIL EKSPERIMENTAL
Untuk mengevaluasi kinerja lokalisasi yang diusulkan
pendekatan, sebuah lingkungan dalam ruangan (gedung Politecnica di Madrid) telah
dianalisis dengan kerapatan grid yang berbeda. Model geometris dari
adegan ditunjukkan pada Gambar 2. Tes dilakukan untuk LoS dan
Situasi NloS

Gambar 2. Tampilan 3D gedung Politecnica.

Percobaan mempertimbangkan dua grid yang terdiri dari 36 36 dan


72 72 sidik jari pada frekuensi 2.4GHz. Simulasi juga
gunakan 9 jalur akses dan 99 stasiun bergerak yang didistribusikan secara acak
grid. Gambar 3 menunjukkan tampilan atas area 830m2 dimana
Simulasi berlangsung, begitu juga dengan posisi access point. Itu
grid dibentuk oleh titik terdistribusi merata, mewakili 36 36
sidik jari; sembilan segitiga mewakili sembilan titik akses dan
lingkaran mewakili 99 stasiun bergerak. Perhatikan bahwa koordinat X dan Y
diukur dalam meter. Koordinat Z selalu diatur menjadi 1,5 meter
dan sesuai dengan ketinggian stasiun bergerak dari lantai.
Meskipun nilai Z konstan ini, metodenya 3D karena sinarnya bisa
mencapai ketinggian apapun (refleksi di lantai, ceil, dinding, difraksi, dll.).
Sidik jari terdekat ke setiap stasiun bergerak ditemukan dengan menggunakan ini
metode.
Informasi tersedia di setiap sidik jari dan mobile station
adalah parameter yang mempengaruhi ketepatan dan keandalan lokasi
proses. Untuk alasan ini, sebuah penelitian memperhitungkan jumlah
menerima sinar di sidik jari dan di stasiun bergerak telah dilakukan.
Untuk penelitian ini, hasil dari dua jenis simulasi tersebut dibandingkan.
Pertama, informasi yang dihasilkan menggunakan grid 36 36 dianalisis; itu
Jarak antara masing-masing sidik jari adalah 0,8 meter. Kedua, informasi
yang dihasilkan menggunakan grid 72 72 dianalisis; jarak antara
masing sidik jari adalah 0,4 meter.

Gambar 3. Tampilan atas gedung Politecnica, dengan grid 36 36.

Angka 4 dan 5 menunjukkan hasil untuk berbagai jumlah sinar untuk


Gedung Politecnica, menggunakan grid 72 72. Kesalahan rata-rata ditunjukkan pada
Gambar 4 dan varians mean error ditunjukkan pada Gambar 5. Mean
Kesalahan dihitung sebagai jarak Euclidian antara posisi sebenarnya
dari stasiun bergerak dan perkiraan posisi. Percobaan
Hasilnya memberikan rata-rata biaya sekitar 0,3 m, seperti yang ditunjukkan pada Gambar 4.
Hasil
masuk akal, karena pemisahan antara masing-masing sidik jari adalah 0,4 m. Itu
Hasil terbaik diperoleh dengan mempertimbangkan 6 atau 10 sinar. Dalam kedua kasus
tersebut,
nilai kesalahan rata-rata adalah 0,261 m dan nilai variansi 0,09m saat
berbeda dari 1. Dengan kata lain, jika metode ini hanya mempertimbangkan
DOA ( = 1), hasilnya tidak seakurat kasus lainnya;
nilai lainnya tidak mempengaruhi kinerja metode ini. Saya t
Perlu dicatat bahwa hasilnya sangat mirip dengan nilai lainnya.
Informasi yang sama diilustrasikan pada Gambar 6 dan 7 untuk kasus ini
dari gedung Politecnica dengan grid 36 36. Dalam hal ini,
pemisahan antara sidik jari adalah 0,8 m dan hasil terbaik diperoleh
dengan mempertimbangkan 8 sinar. Nilai kesalahan rata - rata untuk 8 sinar adalah 0,55 m
dan
variansnya adalah 0,19 m. Angka 6 dan 7 menunjukkan bahwa hasil terbaiknya adalah
diproduksi jika jumlah sinar berada di kisaran antara 6 dan 10 lagi.
Juga, untuk kasus ini = 1 dan tiga nilai lainnya memberikan persamaan
hasil.

Gambar 4. Mean error (meter) memvariasikan jumlah sinar yang dibawa ke


akun untuk menghitung fungsi biaya tergantung pada
parameter. Hasil yang diperoleh untuk grid sidik jari 72 72 di
Gedung Politecnica.

Gambar 5. Perbedaan mean error (meter) untuk berbagai bilangan


sinar untuk menghitung fungsi biaya tergantung pada
parameter. Hasilnya diperoleh untuk 72 72 grid sidik jari
di gedung Politecnica.

Gambar 6. Mean error (meter) memvariasikan jumlah sinar yang dibawa


akun untuk menghitung fungsi biaya tergantung pada
parameter. Hasil yang diperoleh untuk grid sidik jari 36 36 di
gedung Politecnica.

Gambar 7. Perbedaan mean error (meter) versus angka


dari akun sinar untuk menghitung fungsi biaya, yang tergantung
pada parameter . Hasilnya diperoleh untuk grid 36 36
sidik jari di gedung Politecnica.
Hasil untuk grid yang berbeda dapat dibandingkan untuk menunjukkan
Keakuratan metode lokalisasi bergantung pada kerapatan
grid. Kesalahan untuk grid dengan 72 72 poin adalah 0.2828m dan
Kesalahan dalam kasus grid 36 36 poin adalah 0.5657m. Karenanya,
tidak ada perbaikan dengan cara meningkatkan jumlah poin dari
grid; Bila jarak antar titik yang bersebelahan berarti dua kali lipat rata-rata
Kesalahan juga dua kali lipat. Dengan demikian, dapat disimpulkan bahwa keakuratannya
Proses lokasi sangat mirip untuk kedua grid. Namun, itu
Perlu dicatat bahwa mean error tidak berkurang bila jumlahnya
sinar meningkat pada frekuensi tertentu. Padahal, metode pendeteksiannya
Menggunakan 8 sinar memberikan hasil yang lebih baik daripada metode deteksi
menggunakan 20
sinar; Bila jumlah sinar kurang dari 4 atau 5 tidak ada cukup
informasi untuk memberikan hasil yang baik. Seperti dijelaskan pada Bagian 3, jika a
sidik jari hanya menerima satu sinyal dari titik akses nomor 4 dan a
mobile station hanya menerima satu sinyal dari access point nomor 7, yaitu
informasi tidak dipertimbangkan Dengan demikian, informasinya hanya dipertimbangkan
Jika urutan sinar adalah sama untuk kedua sidik jari dan
stasiun bergerak Artinya, kedua sinar harus dihasilkan di jalur akses
nomor 4 atau di nomor jalur akses 7. Bila hanya ada sedikit sinar, maka
Fungsi biaya dievaluasi beberapa kali sehingga hasilnya tidak seperti
tepat. Situasi sebaliknya terjadi ketika jumlah sinar besar (dari 15 sampai 20). Dalam situasi
ini informasi dalam database
hanya dianggap jika urutan 15 sinar di sidik jari adalah
sama seperti urutan 15 sinar di stasiun bergerak. Misalnya, jika
Sinar pertama sidik jari dihasilkan pada titik akses nomor 2, yaitu
sinar pertama dari stasiun bergerak juga harus dihasilkan pada jalur akses
nomor 2; Kondisi ini diterapkan pada setiap sinar setiap sidik jari
dan setiap sinar dari setiap stasiun bergerak. Lebih jauh lagi, sangat mungkin
sidik jari dan stasiun bergerak tidak berisi informasi lebih banyak
dari 15 sinar. Makanya, cukup sulit mencari cukup informasi
Bila urutan titik akses sama untuk sidik jari dan untuk
stasiun bergerak saat jumlah sinar yang dianggap sangat tinggi.
Untuk alasan ini, hasilnya tidak begitu bagus bila jumlah sinarnya
meningkat.

5. KESIMPULAN
Masalah radiolokalisasi untuk skenario dalam ruangan telah banyak diterima
perhatian dari komunitas riset dalam beberapa tahun terakhir. Di bawah NLoS
kondisi dan kontribusi multipath, lokalisasi indoor meningkat
dalam kesalahan dan perlu untuk menemukan solusi inovatif yang memungkinkan lebih
pengukuran yang akurat Apalagi karakteristik multipath dalam ruangan
dapat sangat bervariasi - tergantung pada dimensi bangunan
jangkauan transmisi / penerimaan dan ada tidaknya furnitur.
Karena propagasi di lingkungan dalam ruangan yang kompleks, banyak sinyal
Dari berbagai arah bisa digunakan untuk menentukan lokasi
terminal mobile
Kontribusi kami adalah pendekatan baru dengan menggunakan perilaku multipath
dengan menggabungkan pengukuran ray-tracing (DOA dan RSS) dan a
teknik sidik jari untuk menentukan lokasi stasiun bergerak.
Algoritma lokasi menghitung jarak Euclidean antara
Sampel DOA dan RSS diterima pada posisi yang tidak diketahui dan masing-masing
sidik jari tersimpan dalam database. Kami membandingkan hasil kami
metode deteksi untuk beberapa jumlah sinar.

Pendekatan yang diusulkan cukup sederhana dan mengurangi kesalahan akibatnya


dengan tidak adanya refleksi LoS dan multipath. Juga, pendekatan kami
memberikan hasil yang akurat dengan menggunakan berbasis RF yang tersedia secara luas
infrastruktur LAN nirkabel Kelebihannya adalah sangat berguna
untuk aplikasi praktis dan ada akurasi yang ditingkatkan dengan hormat
untuk pendekatan serupa, terutama untuk kondisi campuran LoS / NloS.
Teknik sidik jari menggunakan arah kedatangan dan
Kekuatan sinyal yang diterima relatif mudah untuk diimplementasikan dan disediakan
hasil bagus untuk proses lokasi indoor. Juga, analisisnya
yang disajikan di atas menyimpulkan bahwa metode ini tidak memberikan hasil yang lebih
baik jika jumlah sinar meningkat dan nilai yang berbeda untuk adalah
bekas; Perlu dicatat bahwa hasilnya sangat mirip untuk semua nilai .
Untuk kasus dimana sama dengan 1, metode ini kurang akurat
hasil. Jadi, jika metode tersebut tidak mempertimbangkan informasi tentang
kekuatan sinyal yang diterima, kesalahan dalam proses lokasi akan terjadi
sedikit lebih tinggi.